Google一口气发了三款新模型，网友却笑得更欢了：省了token，丢了智商？
如果你从去年就开始关注Gemini，最近最流行的一句调侃大概是：“看着自家兄弟慢慢得了阿尔茨海默症。”
按理说，一家公司发布新模型，本该是用来打脸这种调侃的。可就在刚刚，Google 一口气甩出三款新模型之后，网友非但没收回这句话，反而笑得更大声了——颇有一种“他们都不看好你，偏偏你最不争气”的即视感。
三款新模型分别是 Gemini 3.6 Flash、3.5 Flash-Lite，以及专攻网络安全的 3.5 Flash Cyber。官方博客的措辞依旧眼熟：更高效、更聪明、为大规模 AI agent 而生，一句不落。但实际体验却冰火两重天。
当家头牌：3.6 Flash，省 token 是真省，智商却没涨
作为今年 5 月 I/O 大会上 3.5 Flash 的小版本迭代，官方给 3.6 Flash 的定位是“真正扛活的干活模型”。这一代最大的卖点是省 token——按 Artificial Analysis Index 的数据，3.6 Flash 比 3.5 Flash 少用了 17% 的输出 token，在 DeepSWE 这类场景下甚至能省到 65%。跑多步任务时，推理步数和工具调用也更少。
价格也确实降了：输入 1.5 美元/百万 token，输出 7.5 美元/百万 token，而上一代 3.5 Flash 输出价是 9 美元。又快又省，单个 agent 任务的成本被压了下来。
基准测试上，代码能力是重点：
– DeepSWE：从 37% 提升到 49%，官方称多余代码改动更少、执行循环更短。
– MLE Bench（机器学习研究）：从 49.7% 拉到 63.9%。
– OSWorld-Verified（计算机操作）：从 78.4% 升到 83%，而且计算机操作成了 Gemini API 和企业版的内置工具，开箱即用。
– GDPval-AA v2（知识工作）：从 1349 涨到 1421。
一个不起眼但实在的更新是：知识截止日期终于从 2025 年 1 月推进到了 2026 年 3 月，老黄历总算翻篇。安全方面，3.6 Flash 上了升级版 Frontier Safety 防护，重点盯着化学、生物、放射性、核与网络攻击的滥用，抗越狱能力更强，同时尽量不误伤正常需求。
小弟 3.5 Flash-Lite：快、便宜，居然反超了老大哥
比 3.6 Flash 低一档的是 3.5 Flash-Lite，主打快和便宜，专治高吞吐、低延迟的任务，比如 agent 搜索和文档处理。它是 3.5 系列里最快的——按 Artificial Analysis 测量，每秒能吐 350 个 token。价格更是白菜价：输入 0.3 美元、输出 2.5 美元/百万 token，质量比 3 月发的 3.1 Flash-Lite 好一大截。
它支持调推理档位，低配活儿开最低档图快和省，碰到多步拆解的子任务就把思考档位往上拨。电脑操作也做成了内置工具。
提升相当明显：
– Terminal-Bench 2.1（代码和 agent 任务）：从 31% 干到 54%。
– GDM-MRCR v2（长上下文）：从 60.1% 提到 72.2%。
– GDPval-AA v2（真实任务执行）：从 642 飙到 1140。
最有意思的是，这个低档小弟在不少 agent 和代码任务上居然反超了辈分更高的 3 Flash，比如 SWE-Bench Pro 是 54.2% 对 49.6%，OSWorld-Verified 是 74.0% 对 65.1%。等于跑 3 Flash 的活儿，现在有了个更快更强的平替。
官方举了几个用法：从海量电商数据里抽产品特征、给 3.6 Flash 当副手一口气生成 25 个网页设计方案、批量翻译总结收据、边玩边迭代做小游戏。Ashler、Palo Alto Networks、Ramp 等客户也来夸它速度、智能、成本三合一。
3.5 Flash Cyber：专攻漏洞，但被锁死了
最后一个模型画风突变——3.5 Flash Cyber，专门用来找和修代码里的安全漏洞。Google 的逻辑挺妙：现在 AI 找漏洞的速度已经比现有系统修漏洞快了，漏洞越堆越多，不如用便宜高效的 Flash 来批量补锅。
这个模型在 3.5 Flash 基础上微调出来，搭配自家的 CodeMender 工具，里面跑好几个 Flash Cyber agent 协同工作，最后汇总成一份报告。在业内知名的 CyberGym 基准上摸到了第一梯队水平，还比更大的模型更省 token。
不过这模型暂时用不上。 考虑到找漏洞是把双刃剑，Google 也学 Anthropic 玩起了安全叙事，把它锁得死死的——只对可信合作伙伴限量开放、走内测。目的是给一线防守方争取时间，赶在漏洞被利用前先修掉，同时防着有人拿它去干坏事。
旗舰 3.5 Pro 去哪了？跳票、重训、画饼
看到这儿你可能会问：发了一堆 Flash，真正的旗舰 3.5 Pro 去哪了？
官方口径是“正在和合作伙伴测试，准备好就上”，但这套说辞背后的故事可能没那么体面。
据彭博社等媒体报道，3.5 Pro 的代码生成能力一直没达到内部预期。Google 6 月下旬还专门更新了一版训练数据来补代码这块短板，结果成绩依旧没起色。更有传闻说，Google 干脆推翻了原来的训练方案，从零开始重训。
而 Google AI 宣传委员 Logan Kilpatrick 更是索性在舆论上跳过 3.5 Pro，把预告重点放在 Gemini 4 上，声称“已经启动了史上最雄心勃勃的 Gemini 4 预训练，进展让人兴奋”。放在旗舰跳票的背景下看，这多少有点转移视线、画饼续命的味道。
网友不买账：又贵又笨，性价比不如对手
光看今天发布的 Flash 模型本身，网友也并不全然买账。第三方评测机构 Artificial Analysis 表示：两个新模型确实把单任务耗时砍半、token 效率也提升了，Flash-Lite 的智能指数涨了 11 分，但 3.6 Flash 的智能水平相比 3.5 Flash 基本原地踏步。
“价格没便宜到足以忽略能力差距，能力也没高到能解释它的成本。”X 平台上有网友吐槽，3.6 Flash 在 Artificial Analysis 上跟 3.5 Flash 拿了一模一样的分，还不如 Meta Spark 1.1、GLM-5.2、5.6 Luna、Sonnet 5、Grok 4.5、5.6 Terra 这一票对手，直呼“简直烂透了”。
网友 Angel 则从性价比入手，指出 3.6 Flash 的使用成本比 GPT-5.6 Sol medium 还高，智能程度反而更低，又贵又笨的组合属实尴尬。毕竟 Flash 系列立身的根本就是性价比，结果被人当场指出性价比不如对手，等于自砸招牌。
作为对比，OpenAI 的 Tibo 刚刚也发话：由于周活跃用户达到 1000 万，Codex 和 ChatGPT Work 的付费用户迎来新一轮额度重置。这对比、这落差——还有人记得大明湖畔的 Google Gemini 3 吗？
实测派也来补刀：基础解码都有毛病
网友 Balder 直接开团，称这三个模型性能全比之前的 3.5 Flash 差，问题包括但不限于：基础解码就有毛病，中文选词经常很离谱，生成的图片视频质量极差、跟指令对不上还限额严重，经常记忆混乱、调用完全错误的工具。
他还抛出一个阴谋论，认为 Google 之所以这么搞，是为了把算力腾出来卖给 Anthropic，阴阳了一句“这就是皮查伊想要的 Cloud First”。
X 网友 Conor Dart 用 Google 自家的 Antigravity 跑了个 AI 生成游戏测试，结果木板纹理更差了，大理石看着差不多但还是不能用。他直言“又是一次翻车”，表示自己还是等 Gemini 3.5 或者 3.6 Pro 吧。
一边是漂亮的账本，一边是当场差评
一边是官方“更高效、更便宜、更省 token”的漂亮账本，一边是大多数网友的当场差评，以及模型背后旗舰跳票、大牛出走、市值缩水等一连串糟心事。这很难不让人好奇：Google 这次是不是真点歪了科技树，光顾着省成本忘了提智商，只能先靠几个 Flash 稳住场子？
反正 Gemini 4 的预训练都已经开跑了，这一把要是再翻车，那句“阿尔茨海默”的玩笑，可就真要成谶语了。
